MATLAB的深度学习

深度神经网络的数据准备、设计、模拟和部署

深度学习应用

只用了几行MATLAB®无论是设计算法、准备和标记数据,还是生成代码并部署到嵌入式系统,您都可以将深度学习集成到应用程序中。

信号处理

信号处理

获取和分析信号和时间序列数据

图像处理和计算机视觉

计算机视觉

获取、处理和分析图像和视频

强化学习

深度强化学习

定义、训练和部署强化学习策略

雷达

雷达

将人工智能技术应用于雷达应用

激光雷达

激光雷达

将人工智能技术应用于激光雷达

无线

无线AI

将人工智能技术应用于无线通信应用

为什么用MATLAB进行深度学习?

MATLAB使得从深度学习模型到现实世界人工智能(AI)驱动的系统变得很容易。

数据进行预处理

数据进行预处理

使用交互式应用程序来标记、裁剪和识别重要特征,以及内置算法来帮助自动化标记过程。

了解更多
模型开发

训练和评估模型

从一套完整的算法和预构建模型开始,然后使用深度网络设计器应用程序创建和修改深度学习模型。

探索模型
模拟数据

模拟数据

通过将深度学习模型包含到系统级Simulink仿真中来测试它们。万博1manbetx测试在硬件上难以测试的边缘用例场景。了解您的深度学习模型如何影响整个系统的性能。

部署到生产系统

部署训练有素的网络

将训练过的模型部署在嵌入式系统、企业系统、FPGA设备或云上。从Intel生成代码®,英伟达®,和ARM®库来创建具有高性能推理速度的可部署模型。

与基于python的框架集成

MATLAB允许您通过导入Tensorflow模型和使用ONNX功能从任何地方访问最新的研究。您可以使用预构建模型库,包括NASNet、SqueezeNet、Inception-v3和ResNet-101。从MATLAB调用Python,反之亦然,使您能够与使用开源的同事协作。

了解更多

深度学习与MATLAB教程和示例

无论您是深度学习新手还是寻找端到端工作流,都可以探索这些MATLAB资源,以帮助您完成下一个项目。